machine-learning - 朴素贝叶斯分类器偏置输出?

标签 machine-learning computer-vision classification emgucv bayesian

我正在使用Emgu CV to implement a machine learning technique in c#将图像的像素分为 3 个不同的类别。

到目前为止一切都很完美,但问题是它是全自动的。我想让它成为半自动的,这意味着用户可以“重视”这 3 个结果中的每一个。这是为了让用户能够很好地调整结果。

知道怎么做吗?

我能想到的第一件事是实际修改输入,使其对其中一个输出产生偏差(例如通过修改红色 channel 使其更红)。但我想也许有一种我不知道的通用方法。

谢谢。

最佳答案

通常,您可以通过调整分类规则中的先验概率来做到这一点(从高斯分布中得到的就是可能性),但似乎 emgucv 中的实现不允许您这样做。

关于machine-learning - 朴素贝叶斯分类器偏置输出?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6546463/

相关文章:

python - 使用 SciPy 进行逻辑回归

python - 手动拆分与 Scikit 网格搜索

machine-learning - 作为分类器输出的图

matlab - matlab中的k最近邻分类器

machine-learning - scikit 多标签分类 : ValueError: bad input shape

machine-learning - 线性回归中的虚拟变量陷阱

python - 神经网络在简单的线性插值任务中表现不佳

machine-learning - 计算机视觉最灵活的语言是什么?

python - 给定里面的一条线找到周围的矩形区域

python - CvSize 不存在?